相联规则挖掘可以划分为 两个子问题，即频繁项集挖掘（Frequent Itemsets Mining）与相联规则生成（Association Rules Generation）。
基于10个网页-相关网页
Many algorithms of frequent itemsets mining have been proposed after the Apriori algorithm.
自从Apriori算法提出至今，学者提出来大量的关于频繁项集挖掘的算法。
参考来源 - 频繁项集挖掘算法综述—《电脑知识与技术》—2007年第24期—龙源期刊网·2,447,543篇论文数据，部分数据来源于NoteExpress
The itemset lattice tree data structure was adopted to translate maximal frequent itemsets mining into the process of depth-first searching the itemset lattice tree.
采用项集格生成树的数据结构，将最大频繁项集挖掘过程转化为对项集格生成树进行深度优先搜索获取所有最大频繁节点的过程。
There were problems in traditional parallel algorithms for mining frequent itemsets more or less: data deviation, large scale communication, frequent synchronization and scanning database.
传统的挖掘频繁项集的并行算法存在数据偏移、通信量大、同步次数较多和扫描数据库次数较多等问题。
The existing association rules mining algorithms are chiefly based on frequent itemsets, and the record about infrequent itemsets is very rare.
现有关联规则挖掘算法都是在频繁项集基础上进行挖掘，关于非频繁项集的资料很少。
应用推荐